CDH 6.3.2 集成 kylin 的部署与使用

CDH 6.3.2 集成 kylin 的部署与使用

标签（空格分隔）： 大数据运维专栏

---

• 一：关于kylin的介绍
• 二：安装环境介绍与软件包的准备
• 三： 配置kylin 与 CDH 6.3.2集成
• 四： kylin 的测试
• 五： kylin 自建表导入数据测试

---

一：关于kylin的介绍

1.1 Apache Kylin™ 概览

 Apache Kylin™是一个开源的、分布式的分析型数据仓库，提供Hadoop/Spark 之上的 SQL 查询接口及多维分析（OLAP）能力以支持超大规模数据，最初由 eBay 开发并贡献至开源社区。它能在亚秒内查询巨大的表。

Apache Kylin™ 令使用者仅需三步，即可实现超大数据集上的亚秒级查询。

    1 定义数据集上的一个星形或雪花形模型
    2 在定义的数据表上构建cube
    3 使用标准 SQL 通过 ODBC、JDBC 或 RESTFUL API 进行查询，仅需亚秒级响应时间即可获得查询结果

Kylin 提供与多种数据可视化工具的整合能力，如 Tableau，PowerBI 等，令用户可以使用 BI 工具对 Hadoop 数据进行分析。

参考官网：

http://kylin.apache.org/cn/

---

##二：安装环境介绍与软件包的准备

2.1 安装系统环境

系统：CentOS7.5x64
CDH 版本： cdh 6.3.2
jdk 版本： jdk1.8

cat /etc/hosts 

---
192.168.11.37   test01.lanxintec.cn
192.168.11.38   test02.lanxintec.cn
192.168.11.40   test03.lanxintec.cn
---

2.2 kylin 版本

2.2.1 kylin v3.1.0

v3.1.0

    这是 3.0.0 版本后的一个主要版本，包含10个新功能和142个问题的修复以及各种改进。关于具体内容请查看发布说明.
    发布说明, 安装指南 and 升级指南
    源码下载: apache-kylin-3.1.0-source-release.zip [asc] [sha256]
    Hadoop 2 二进制包:
        for HBase 1.x (includes HDP 2.3+, AWS EMR 5.0+, Azure HDInsight 3.4 - 3.6) - apache-kylin-3.1.0-bin-hbase1x.tar.gz [asc] [sha256]
        for Cloudera CDH 5.7+ - apache-kylin-3.1.0-bin-cdh57.tar.gz [asc] [sha256]
    Hadoop 3 二进制包:
        for Hadoop 3.1 + HBase 2.0 (includes Hortonworks HDP 3.0) - apache-kylin-3.1.0-bin-hadoop3.tar.gz [asc] [sha256]
        for Cloudera CDH 6.0/6.1 (check KYLIN-3564 first) - apache-kylin-3.1.0-bin-cdh60.tar.gz [asc] [sha256]

---

三： 配置kylin 与 CDH 6.3.2集成

3.1 下载kylin

wget https://mirrors.tuna.tsinghua.edu.cn/apache/kylin/apache-kylin-3.1.0/apache-kylin-3.1.0-bin-cdh60.tar.gz

mv apache-kylin-3.1.0-bin-cdh60.tar.gz software/

---

3.2 安装启动kylin

mkdir -p /opt/bigdata/

cd software

tar -zxvf apache-kylin-3.1.0-bin-cdh60.tar.gz

mv apache-kylin-3.1.0-bin-cdh60 /opt/bigdata/

cd /opt/bigdata/apache-kylin-3.1.0-bin-cdh60

bin/kylin.sh start 

报错：
    Error: Could not find or load main class org.apache.hadoop.hbase.util.GetJavaProperty

解决： 

 vim /opt/cloudera/parcels/CDH-6.3.2-1.cdh6.3.2.p0.1605554/lib/hbase/bin/hbase

 ----
 在169 行: 加上hbase lib 

CLASSPATH="${HBASE_CONF_DIR}"
CLASSPATH=${CLASSPATH}:$JAVA_HOME/lib/tools.jar:/opt/cloudera/parcels/CDH-6.3.2-1.cdh6.3.2.p0.1605554/lib/hbase/lib/*
----

vim /etc/profile 
到最后加上：
---
### set spark home and kylin home and kafka home 
export SPARK_HOME=/opt/cloudera/parcels/CDH-6.3.2-1.cdh6.3.2.p0.1605554/lib/spark
export KAFKA_HOME=/opt/cloudera/parcels/CDH-6.3.2-1.cdh6.3.2.p0.1605554/lib/kafka
export FLINK_HOME=/opt/cloudera/parcels/FLINK/lib/flink
export KYLIN_HOME=/opt/bigdata/apache-kylin-3.1.0-bin-cdh60

---

若没有集成请集成安装 flink 与安装 kafka 

cd /opt/bigdata/apache-kylin-3.1.0-cdh60/

bin/check-env.sh 

保证所有环境都是pass 状态

---

启动kylin 

bin/kylin.sh start

查看logs目录
cd /opt/bigdata/apache-kylin-3.1.0-cdh60/logs/
tail -f kylin.log

打开web 也没

http://192.168.11.37/kylin/

用户名：ADMIN  密码：KYLIN  (用户名密码都是大写)

---

四：运行kylin 的测试用列

4.1: 运行kylin的用列

4.1.1 启动sample.sh

cd /opt/bigdata/apache-kylin-3.1.0-cdh60/bin/

./sample.sh

---

从启kylin
cd /opt/bigdata/apache-kylin-3.1.0-cdh60/bin
./kylin.sh stop 
./kylin.sh start 

从新刷新一下元数据（RELOAD METADATA）

点击：System ---> RELOAD METADATA

点击：YES 

在右下角会有
   Sucess  cache reaload Sucessful

---

点击菜单栏上的 Model

会生成两个sample 表的模型

kylin_sales_model
kylin_streaming_model 

---

在hive中 查看表：

hive 

hive > show tables;

hive> select count(*) from kylin_account;

打开yarn的界面

http://192.168.11.37:8088

最后显示为10000 条 数据

将hive 中的表 刷新到 impala 当中

impala的加载表：

impala-shell -i "INVALIDATE METADATA" 

单独刷新一张表：
refrash  + 表名
hive 的default库 当中多了几张kylin的表

4.1.2 构建 表cube

以kylin 表 中 的 ： kylin_sales_cube

点击 YES 

这边只构建 一个月维度的sales 不然硬件配置不够，此步会消耗巨大的硬件资源

构建 点击monitor 查看build

可以不断的刷新网页 查看 job 的 构建 进度

这边默认 走的是Hadoop 的mapreduce  所以比较慢 

构建查询：

点击：insight 
New Query:

select part_dt, sum(price) as total_sold, count(distinct seller_id) as sellers from kylin_sales group by part_dt order by part_dt

在hive 中查询
select part_dt, sum(price) as total_sold, count(distinct seller_id) as sellers from kylin_sales group by part_dt order by part_dt

在kylin 中查询只要 7.09s  而在hive 中查询 要 102.895s 

执行一个复杂的查询：

select sum(KYLIN_SALES.PRICE) 
as price_sum,KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME 
from KYLIN_SALES inner join KYLIN_CATEGORY_GROUPINGS
on KYLIN_SALES.LEAF_CATEG_ID = KYLIN_CATEGORY_GROUPINGS.LEAF_CATEG_ID and 
KYLIN_SALES.LSTG_SITE_ID = KYLIN_CATEGORY_GROUPINGS.SITE_ID
group by KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME
order by KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME asc,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME desc

在hive 中查询：

select sum(KYLIN_SALES.PRICE) 
as price_sum,KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME 
from KYLIN_SALES inner join KYLIN_CATEGORY_GROUPINGS
on KYLIN_SALES.LEAF_CATEG_ID = KYLIN_CATEGORY_GROUPINGS.LEAF_CATEG_ID and 
KYLIN_SALES.LSTG_SITE_ID = KYLIN_CATEGORY_GROUPINGS.SITE_ID
group by KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME
order by KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME asc,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME desc

在kylin 中查询 只要 2.18s  hive 中查询 要 116.07s

---

五： kylin 自建表导入数据测试

5.1 自建数据准备文件

create_table.sql  department.csv  employee.csv

将这三个文件传到 hdfs 上面

hdfs dfs -mkdir /tmp/kylin-test

hdfs dfs -put create_table.sql  department.csv  employee.csv /tmp/kylin-test 

vim create-table.sql 
---
DROP TABLE IF EXISTS employee;

CREATE TABLE employee(
id int,
name string,
deptId int,
age int,
salary float
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS TEXTFILE;

DROP TABLE IF EXISTS department;

CREATE TABLE department(
id int,
name string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS TEXTFILE;

LOAD DATA INPATH '/tmp/kylin-test/employee.csv' OVERWRITE INTO TABLE employee;
LOAD DATA INPATH '/tmp/kylin-test/department.csv' OVERWRITE INTO TABLE department;
---

向hive 中 到如数据

hive -f create_table.sql 

---

5.2 在kylin 中创建demo

点击 Data_Source 加载 hive 中的 表

加载 department,employee 表
点击：sync  同步表

创建model，入project的名称和描述：
kylin_test_table_moder

选择创建moder 的表
  与lookup table  

选择维度字段

保存模型moder

创建cube

选择保存好moder

next -> add Dimensions

next-->  添加 bluk add Measure 

next 

next 

next 

save ---> yes 

build --->构建cube

yes 

开始构建cube 

这步 要消耗很长时间，具体 看 硬件配置

构建完成

---

点击:insight 
进行查询测试：

查询测试：
 select count(*) from department;

kylin 与hive 查询对比

统计各部门员工薪资总和:

select d.ID,sum(e.SALARY) as salary from EMPLOYEE as e left join DEPARTMENT as d on e.DEPTID=d.id group by d.ID order by salary desc

kylin 查询

hive 查询

kylin 查询 只需要 0.48s 
hive 查询 需要 113.508s 

---